一种基于辐射场的遥感图像云及阴影检测方法
【技术领域】
[0001]本发明涉及遥感图像处理技术领域，具体而言，特别涉及光学遥感图像上云及阴影通用检测方法，也即一种基于辐射场的遥感图像云及阴影检测方法。
【背景技术】
[0002]遥感图像处理与分析的一个关键环节是生产云掩膜(标识云是否存在的二值图像)，以确定云和阴影的位置，这些信息供用户去进一步分析有云区域或晴空区域图像特征，提取所需要的信息。
[0003]当前遥感图像上云和阴影的检测方法主要包括以下两种方法:第一种:靠光谱信息的检测方法；第二种，基于云-传感器-太阳的几何关系确定云和阴影的检测方法。其中，在第一种方法中，主要利用特定的波段进行云和阴影的检测，然而并非所有的传感器都有可用于云检测的波段，例如，当前最典型的云检测算法是MODIS云掩膜算法，其利用了很多波段的配合。而一般的图像，如TM、SPOT等卫星数据则不具备这些典型波段，因此，靠光谱信息检测遥感图像上云和阴影的方法并不通用，此外，该方法还容易造成雪-云混分，水-阴影混分，从而导致检测的准确性低。在第二种方法中，需要云高等参数作为必须的输入，然而这些参数却很难直接获得，因此，基于云-传感器-太阳的几何关系确定云和阴影的检测方法在无法获得云高等参数的情形下并不适用，该方法的通用性也不好，此外，由于获得的云高等参数准确性差，所以云和阴影检测具有很大不确定性，云和阴影边缘部位的确定也较难准确刻画。
[0004]关于现有技术中遥感图像上云和阴影的检测方法不具备通用性的问题，目前尚未提出有效的解决方法。
【发明内容】
[0005]本发明的主要目的在于提供一种基于辐射场的遥感图像云及阴影检测方法，以解决现有技术中遥感图像上云和阴影的检测方法不具备通用性的问题。
[0006]依据本发明的一个方面，提供了一种基于辐射场的遥感图像云及阴影检测方法，该方法包括:获取待检测的光学遥感图像对应的大气辐射传输模型；以地表反照率产品和预设的晴空条件下的大气温度-湿度廓线、预设的晴空条件下的气溶胶光学厚度为驱动数据，利用大气辐射传输模型生成待检测的光学遥感图像对应的模拟辐射场；根据待检测的光学遥感图像与模拟辐射场计算待检测的光学遥感图像对应的比值指数图像；提取比值指数图像上晴空无阴影区域对应的数值，得到数值集合；获取数值集合中的第一数值和第二数值，其中，第一数值大于第二数值；采用第一数值和第二数值对比值指数图像进行密度分害J，以得到云和阴影的分类。
[0007]进一步地，根据待检测的光学遥感图像与模拟辐射场计算待检测的光学遥感图像对应的比值指数图像的步骤具体包括:将待检测的光学遥感图像与模拟辐射场的各个波段辐射亮度求比值；将求得的各个比值进行乘积运算，以得到待检测的光学遥感图像对应的云和阴影的比值指数图像。
[0008]进一步地，提取比值指数图像上晴空无阴影区域对应的数值，得到数值集合的步骤具体包括:计算待检测的光学遥感图像与模拟辐射场的相似度；在比值指数图像上，确定相似度大于预设相似度的区域为晴空无阴影区域；提取晴空无阴影区域对应的数值，得到数值集合。
[0009]进一步地，计算待检测的光学遥感图像与模拟辐射场的相似度的步骤具体为:采用结构相似性纹理识别算法计算待检测的光学遥感图像与模拟辐射场的相似度。
[0010]进一步地，获取数值集合中的第一数值和第二数值具体包括:对数值集合中的数值按照大小进行排序；去掉数值集合中排序前后端2%的数值；在数值集合中，获取去掉2%的数值后的最大值作为第一数值，最小值作为第二数值。
[0011]进一步地，采用第一数值和第二数值对比值指数图像进行密度分割，以得到云和阴影的分类具体包括:将第一数值和第二数值作为初始分割阈值，对比值指数图像进行密度分割，以得到云和阴影的初始分类；根据初始分类的分类结果调整初始分割阈值，采用调整后的分割阈值对比值指数图像进行密度分割，以得到云掩膜。
[0012]进一步地，待检测的光学遥感图像可以为MODIS图像、TM/ETM+图像、VIIRS图像、SPOT图像、ASTER图像、AVHRR图像或HJ-1A/B图像等。
[0013]通过本发明，采用与待检测的光学遥感图像相对应的大气辐射传输模型，并以地表反照率产品和预设的晴空条件下的大气温度-湿度廓线、预设的晴空条件下的气溶胶光学厚度为驱动数据，模拟生成待检测的光学遥感图像对应的模拟辐射场，然后根据待检测的光学遥感图像与模拟辐射场计算待检测的光学遥感图像对应的比值指数图像，提取比值指数图像上晴空无阴影区域对应的数值，得到数值集合，获取数值集合中的第一数值和第二数值，其中，第一数值大于第二数值，最终采用第一数值和第二数值对比值指数图像进行密度分割，以得到云和阴影的分类，在此方法中，直接采用模拟的辐射场来为参考，可以同时对云和阴影进行检测，而且不受地表雪盖、水体的影响，具有通用性，几乎所有遥感图像都可以直接应用，不受波段限制，解决现有技术中遥感图像上云和阴影的检测方法不具备通用性的问题。
[0014]上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的【具体实施方式】。
【附图说明】
[0015]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的过程。在附图中:
[0016]图1是根据本发明第一实施例的基于辐射场的遥感图像云及阴影检测方法的流程图；
[0017]图2是根据本发明第二实施例的基于辐射场的遥感图像云及阴影检测方法的流程图。
【具体实施方式】
[0018]下面结合附图和【具体实施方式】对本发明做进一步说明。需要指出的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0019]实施例一
[0020]首先，本发明实施例一提供了一种基于辐射场的遥感图像云及阴影检测方法，参见图1，该方法可以包括以下步骤:
[0021]步骤S102:获取待检测的光学遥感图像对应的大气辐射传输模型。
[0022]在该步骤中，根据待检测的光学遥感图像的种类，获取与之相对应的大气辐射传输模型，例如，待检测的光学遥感图像为MODIS图像，则获取的大气辐射传输模型为MODTRAN辐射传输模型。
[0023]步骤S104:以地表反照率产品和预设的晴空条件下的大气温度-湿度廓线、预设的晴空条件下的气溶胶光学厚度为驱动数据，利用大气辐射传输模型生成待检测的光学遥感图像对应的模拟辐射场。
[0024]其中，地表反照率产品优选采用MCD43B3的地表反照率产品。预设的晴空条件下的大气温度-湿度廓线、预设的晴空条件下的气溶胶光学厚度均为典型晴空条件下的经验参数。
[0025]步骤S106:根据待检测的光学遥感图像与模拟辐射场计算待检测的光学遥感图像对应的比值指数图像。
[0026]具体地，将待检测的光学遥感图像与模拟辐射场的各个波段辐射亮度求比值，然后对各个比值进行乘积运算，乘积运算的结果即为待检测的光学遥感图像对应的比值指数图像。
[0027]步骤S108:提取比值指数图像上晴空无阴影区域对应的数值，得到数值集合。
[0028]具体地，首先确定晴空无阴影区域:采用结构相似性纹理识别算法计算待检测的光学遥感图像与模拟辐射场的相似度，在比值指数图像上，确定相似度大于预设相似度的区域为晴空无阴影区域，然后提取晴空无阴影区域对应的数值，得到数值集合。
[0029]步骤SllO:获取数值集合中的第一数值和第二数值，其中，第一数值大于第二数值。
[0030]具体地，采用以下步骤对数值集合进行处理，并得到第一数值和第二数值:首先对数值集合中的数值按照大小进行排序，然后去掉数值集合中排序前后端2%的数值，最后在数值集合中获取去掉2%的数值后的最